GraphDiffMed：知识约束的差异注意与药理学图先验的药物推荐

arXiv:2605.20188v1 公告类型：新 摘要：从电子健康记录 (EHR) 中推荐安全有效的药物组合是一个核心的临床人工智能问题，但由于患者轨迹较长、嘈杂且临床异质性，这仍然很困难。现有方法通常擅长跨访问的时间建模或药理学知识整合（例如药物相互作用，DDI），但很少在稳健抑制噪声的同时实现这两者。我们提出了 GraphDiffMed，这是一个基于双尺度差分注意力 v2 构建的知识受限的药物推荐框架。在访问内和访问间级别上应用差异注意，以过滤遭遇内和跨纵向历史的虚假信号，同时在学习过程中纳入药理学约束。 MIMIC-III 和消融研究的实验表明，这种设计持续提高了推荐质量和在强基线上的排名，同时实现了更有利的安全性能平衡。我们进一步发现，在我们的实验设置下，性能最强的配置仅使用人口统计辅助特征。总体而言，GraphDiffMed 表明，将噪声感知注意力与药理学约束相结合可以产生更可靠且具有临床意义的药物推荐。我们在 https://github.com/saxenakrati09/GraphDiffMed 开源我们的代码。